On peut être motivé pour devenir expert en mégadonnées ou data scientist, mais éprouver quelques difficultés à avancer ? Un stage de science des données en entreprise est la principale voie préconisée pour espérer percer dans ce secteur. Ceci est valable aussi bien au sein d’un cadre classique d’enseignement, que via des cours en ligne ou par le biais d’une formation accélérée de style bootcamp. Mais comment décrocher ce stage? Voici un recueil des conseils de professionnels du secteur, pour vous aider à cerner les qualités à faire valoir et les astuces pour optimiser au mieux votre réponse à une offre de stage,.
Développer les qualités personnelles d’un data scientist stagiaire
Bien avant les compétences techniques, les entreprises sont de plus en plus en quête d’autres qualités plus personnelles, celles que l’on appelle compétences comportementales ou soft skills notamment. Lors d’une demande de stage ou d’emploi dans le domaine de la data science, quelques traits de caractère sont à même de séduire l’employeur :
- Le dynamisme marqué par de la motivation, quelle qu’en soit la nature : une envie d’apprendre, la soif de résoudre des problèmes, l’envie de gagner de l’argent…
- La persévérance dans l’acquisition ou l’amélioration de ses compétences, indiquant qu’on aime ce qu’on fait et que l’on s’investit au maximum pour aboutir à ses objectifs ;
- Le caractère communicatif : il faut être à l’aise dans la présentation de ses solutions et de ses résultats aux responsables d’entreprise, clients, partenaires…
Ces qualités sont requises chez tous les postulants stagiaires en data science. A celles-ci s’ajoutent d’autres éléments de profil à mettre en évidence : curieux de nature, organisé et soucieux des détails, ainsi de suite. Mais la description d’un data scientist en devenir ne se résume pas à ses qualités personnelles. Le dossier des compétences garde son importance, même pour les novices.
Construire un portfolio solide
L’idée est de se démarquer des autres candidats. Cela commence par multiplier autant que possible les interactions avec un réseau de professionnels de la data science. L’immersion dans ce milieu peut se faire par exemple en participant à des salons de l’emploi dans la technologie informatique et numérique. Il sera alors plus facile de cerner le parcours à envisager ou le CV-type d’un data scientist pour commencer.
Dans un deuxième temps, développer un projet personnel permet de se distinguer dans le monde professionnel en tant qu’aspirant stagiaire, mais aussi de s’impliquer davantage dans le monde de la data science. Cela ne se limite donc pas à son cadre d’enseignement ou son école de formation. Il faut absolument marquer sa présence dans d’autres sphères, et notamment dans les réseaux du web. Dans cette optique, tous les moyens sont permis : réseaux sociaux, blogs, ambassadeur de marques, ainsi de suite. Il est important pour un futur expert en mégadonnées d’avoir un profil de réseaux sociaux (Facebook, LinkedIn…) qui témoigne de son professionnalisme et de son implication dans le milieu de la data science. On préconise même, de plus en plus, la création d’un site web portfolio où les employeurs potentiels peuvent visualiser ses aptitudes et compétences.
Cumuler plusieurs projets en parallèle pendant ses temps libres est une excellente idée pour attirer et accrocher un dirigeant d’entreprise. Le fait de participer à des projets de développements logiciels, des projets Python ou SAS puis d’en faire une description dans son CV est un excellent moyen de démontrer ses compétences en science des données, surtout lorsqu’on a peu ou pas d’expérience professionnelle.
Bien préparer son entretien
Cela consiste généralement à multiplier les occasions de se confronter à un interviewer. Pour ce faire, il existe des plateformes d’entretiens en data science comme Stratascratch, Algoexpert, et tant d’autres. Cette approche est de toute évidence la meilleure manière de se perfectionner, sachant que ces plateformes mettent l’accent sur l’apprentissage et la maîtrise du processus de raisonnement lors des entretiens de codage.
Postuler à un stage de data scientist avec méthode
L’étape de la demande de stage est particulièrement éreintante mentalement. La méthode classique, comme la réponse par mail à une offre de stage, doit bien entendu être considérée. Cependant, il arrive qu’elle génère un faible taux de réussite. Des éléments peuvent donc contribuer à booster ses demandes d’entretiens, comme des recommandations de la part d’une ou quelques personnes influentes de son réseau. Pour les plus audacieux, la méthode de l’approche à froid est parfois payante : il s’agit de repérer et de contacter un interlocuteur, un employé ou un cadre du secteur de la data science de l’entreprise, et de lui demander directement d’appuyer la demande.
D’une manière générale, la meilleure façon d’agir sur tous ces paramètres est de vous immerger dans le monde de la data science. Petit à petit, vous acquerrez le jargon, l’état d’esprit et le carnet d’adresse qui joueront en votre faveur.
Merci pour votre lecture ! Vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !